CN112270170B - 一种隐式表述语句的分析方法、装置、介质和电子设备 - Google Patents
一种隐式表述语句的分析方法、装置、介质和电子设备 Download PDFInfo
- Publication number
- CN112270170B CN112270170B CN202011116326.2A CN202011116326A CN112270170B CN 112270170 B CN112270170 B CN 112270170B CN 202011116326 A CN202011116326 A CN 202011116326A CN 112270170 B CN112270170 B CN 112270170B
- Authority
- CN
- China
- Prior art keywords
- expression
- unit
- vector
- evaluation object
- emotion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000014509 gene expression Effects 0.000 title claims abstract description 296
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 125
- 238000000034 method Methods 0.000 claims abstract description 33
- 239000013598 vector Substances 0.000 claims description 189
- 230000008451 emotion Effects 0.000 claims description 102
- 238000013507 mapping Methods 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008676 import Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 206010037660 Pyrexia Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种隐式表述语句的分析方法、装置、介质和电子设备。本公开将隐式表述语句分成多个表述单元，利用表述单元生成能够代表隐式表述语句语义特征的评价对象特征信息，将评价对象特征信息导入训练后的对象分析模型获取隐式表述语句的评价对象类型。从而能够有效确定隐式表述语句中的评价对象。
Description
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种隐式表述语句的分析方法、装置、介质和电子设备。
背景技术
商品评价包含着用户对产品质量和服务的具体意见，收集商品评价对于提高产品质量和服务至关重要。
由于语言的复杂性和多样性，不同用户在表述同一个评价对象时，往往使用不同的表述方式。在语句中根据对评价对象表述的清晰程度可以分为：显示表述语句和隐式表述语句。在显示表述语句中指明了语句表述的评价对象，例如：“这个手机便宜，1000元就可以入手一部”。该语句指明了“价格”为表述的评价对象，能够较为容易的判断这个表述仅与价格相关且情感偏向积极。在隐式表述语句中没有指明语句表述的评价对象，例如：“手机发烧了”。虽然该语句是以“散热”为评价对象，但是表述方式较为婉转和抽象，面对这样的表述方式，现有分析方法无法有效确定隐式表述语句中的评价对象及表述者对评价对象的情感。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的目的在于提供一种隐式表述语句的分析方法、装置、介质和电子设备，能够解决上述提到的至少一个技术问题。具体方案如下：
根据本公开的具体实施方式，第一方面，本公开提供一种隐式表述语句的分析方法，包括：
获取隐式表述语句中的每个表述单元；
基于所述表述单元生成所述隐式表述语句的评价对象特征信息；
将所述评价对象特征信息导入训练后的对象分析模型，获取所述隐式表述语句的评价对象类型。
根据本公开的具体实施方式，第二方面，本公开提供一种隐式表述语句的分析装置，包括：
获取单元，用于获取隐式表述语句中的每个表述单元；
生成评价对象特征信息单元，用于基于所述表述单元生成所述隐式表述语句的评价对象特征信息；
对象分类单元，用于将所述评价对象特征信息导入训练后的对象分析模型，获取所述隐式表述语句的评价对象类型。
根据本公开的具体实施方式，第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面任一项所述隐式表述语句的分析方法。
根据本公开的具体实施方式，第四方面，本公开提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面任一项所述隐式表述语句的分析方法。
本公开实施例的上述方案与现有技术相比，至少具有以下有益效果：
本公开提供了一种隐式表述语句的分析方法、装置、介质和电子设备。
本公开将隐式表述语句分成多个表述单元，利用表述单元生成能够代表隐式表述语句语义特征的评价对象特征信息，将评价对象特征信息导入训练后的对象分析模型获取隐式表述语句的评价对象类型。从而能够有效确定隐式表述语句中的评价对象。
本公开将用于确定隐式表述语句评价对象类型的评价对象特征信息和表述单元作为确定隐式表述语句情感类型的基础数据，使关注点集中于隐式表述语句的评价对象，也就是使情感特征信息中加入了评价对象特征信息，从而提高了确定隐式表述语句中情感类型的准确性。
同时，在计算对象分析模型和情感分析模型模型的损失时，考虑了两种模型的输出情况。从而使联合训练后的对象分析模型和情感分析模型能够准确的确定隐式表述语句中的评价对象类型及情感类型。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。在附图中：
图1示出了根据本公开实施例的隐式表述语句的分析方法的流程图；
图2示出了根据本公开实施例的隐式表述语句的分析装置的单元框图；
图3示出了根据本公开的实施例的电子设备连接结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面结合附图详细说明本公开的可选实施例。
对本公开提供的第一实施例，即一种隐式表述语句的分析方法的实施例。
下面结合图1对本公开实施例进行详细说明。
隐式表述语句是没有指明语句表述的评价对象，因而，表述方式较为婉转和抽象。为了有效确定隐式表述语句中的评价对象及表述者对评价对象的情感，本公开实施例包括以下步骤：
步骤S101，获取隐式表述语句中的每个表述单元。
本公开实施例仅针对隐式表述语句，但在日常场景中，我们面对的表述语句既可能是显示表述语句，也可能是隐式表述语句。通常，采用关键词匹配法判断该表述语句的类型。例如，如果对于一个表述语句的关注点为“价格”，则设置一些与关注点相关的关键词(或者规则)：“价格”、“贵”、“花费”、“价钱和“要价”；如果在表述语句中不包含关键词，则确定该表述语句为隐式句子。
表述单元是构成表述语句的基本要素，表述语句通过有序排列的表述单元表述一个完整的语义。表述单元可以是表述语句的最小语义单元。例如，对于表述语句中中文的最小语义单元为字，英文的最小语义单元为词；而表述语句中的表情符和标点符号则不属于最小语义单元，在对表述语句进行预处理时，通常忽略表情符和标点符号。
例如，若隐式表述语句为：“手机发烧了”；由于中文取字，该隐式表述语句的表述单元分别为：“手”、“机”、“发”、“烧”和“了”；若隐式表述语句为：“iphone发烧了”；由于中文取字，英文取词，该隐式表述语句的表述单元分别为：“iphone”、“发”、“烧”和“了”。
步骤S102，基于所述表述单元生成所述隐式表述语句的评价对象特征信息。
在本公开实施例中，评价对象特征信息是隐式表述语句中评价对象的特征信息，是确定隐式表述语句中评价对象类型的关键信息。
可选的，所述基于所述表述单元生成所述隐式表述语句的评价对象特征信息，包括以下步骤：
步骤S102-1，基于预设映射顺序将所述表述单元映射为对应顺序排列的表述单元向量。
所述表述单元向量的方向与预设映射顺序方向一致。也就是，按照基于预设映射顺序从隐式表述语句分别获取表述单元，并将表述单元映射为表述单元向量，且表述单元向量的排列顺序与预设映射顺序相同。例如，隐式表述语句S([c1，c2，……，ci，……，cn])，其中ci为隐式表述语句S的最小语义单元；如果预设映射顺序为表述单元的表述顺序，则映射后生成的表述单元向量为M([a1，a2，……，ai，……，an])，其中ai为ci映射后生成的表述单元向量；且ai的排列顺序与ci的排列顺序相同。
为了保证评价对象特征信息能够充分包括隐式表述语句的评价对象特征信息，可选的，预设映射顺序包括隐式表述语句中表述单元的表述顺序和表述逆序。例如，隐式表述语句为：“手机发烧了”；由于中文取字，该隐式表述语句的表述单元及表述顺序为：“手”、“机”、“发”、“烧”和“了”；该隐式表述语句的表述逆序为：“了”、“烧”、“发”、“机”和“手”。
具体地，包括以下步骤：
步骤S102-1-1，基于所述表述单元的表述顺序，将所述表述单元映射为基于所述表述顺序排列的第一表述单元向量。
所述第一表述单元向量的方向与表述顺序方向一致。
步骤S102-1-2，基于所述表述单元的表述逆序，将所述表述单元映射为基于所述表述逆序排列的第二表述单元向量。
所述第二表述单元向量的方向与表述逆序方向一致。
本公开实施，采用表述顺序生成顺序排列的第一表述单元向量，同时，采用表述逆序生成顺序排列的第二表述单元向量，使第一表述单元向量与第二表述单元向量能够充分包括了隐式表述语句的评价对象特征信息，从而保证了生成评价对象特征信息的可靠性。由于第一表述单元向量与第二表述单元向量中存在大量重复的信息，为了减少计算量，提高分析效率。可选的，
步骤S102-1-1a，基于所述表述单元的表述顺序，将所述表述单元映射为基于所述表述顺序排列的预设数量的第一表述单元向量。
步骤S102-1-2a，基于所述表述单元的表述逆序，将所述表述单元映射为基于所述表述逆序排列的预设数量的第二表述单元向量。
预设数量小于表述单元的数量。例如，隐式表述语句S([c1，c2，c3，c4，c5])，如果预设映射顺序为表述单元的表述顺序，则映射后生成的表述单元向量为M([a1，a2，a3，a4])；如果预设映射顺序为表述单元的表述逆序，则映射后生成的表述单元向量为M([a5，a4，a3，a2])；这样既保证了对表述单元的全覆盖，同时也减少了过多的重复信息，提高了分析效率。可选的，预设数量是表述单元数量的80％。
步骤S102-2，从所述表述单元向量中获取预设排列位置的特征单元向量。
具体地，包括以下步骤：
步骤S102-2-1，从所述第一表述单元向量中获取最后排列位置的第一特征单元向量。
也就是从基于表述顺序排列的第一表述单元向量中，将排列在最后位置第一表述单元向量作为第一特征单元向量。例如，M([a1，a2，a3，a4])中排列在最后位置第一表述单元向量为a4，则将a4作为第一特征单元向量。
步骤S102-2-2，从所述第二表述单元向量中获取最后排列位置的第二特征单元向量。
也就是从基于表述逆序排列的第二表述单元向量中，将排列在最后位置第二表述单元向量作为第二特征单元向量。例如，M([a5，a4，a3，a2]中排列在最后位置第二表述单元向量为a2，则将a2作为第二特征单元向量。
步骤S102-3，基于所述特征单元向量生成所述评价对象特征信息表征的评价对象特征向量。
具体地，在一个实施例中，包括以下步骤：
步骤S102-3a，将所述第一特征单元向量与所述第二特征单元向量拼接，生成所述评价对象特征向量。
也就是将第一特征单元向量的最后一个值与第二特征单元向量的第一个值前后连接在一起，生成一个新的向量(即评价对象特征向量)，例如，第一特征单元向量为123，第二特征单元向量为456，则评价对象特征向量为123456。
在另一个实施例中，包括以下步骤：
步骤S102-3b，计算所述第一特征单元向量与所述第二特征单元向量的和，生成所述评价对象特征向量。
例如，第一特征单元向量为123，第二特征单元向量为456，则评价对象特征向量为123+456＝579。
步骤S103，将所述评价对象特征信息导入训练后的对象分析模型，获取所述隐式表述语句的评价对象类型。
对象分析模型是为了获取隐式表述语句的评价对象类型而训练好的模型，是基于之前的历史网络数据获得，例如以历史网络数据作为训练样本训练出对象分析模型。关于根据对象分析模型对网络数据进行评价对象类型分析的过程本实施例不做详述，可参照现有技术中各种实现方式实施。例如，对象分析模型为Bi-GRU模型。
本公开实施例将隐式表述语句分成多个表述单元，利用表述单元生成能够代表隐式表述语句语义特征的评价对象特征信息，将评价对象特征信息导入训练后的对象分析模型获取隐式表述语句的评价对象类型。从而能够有效确定隐式表述语句中的评价对象。
进一步的，为了有效确定隐式表述语句中表述者对评价对象的情感类型，本公开实施例所述方法还包括以下步骤：
步骤S104，基于所述评价对象特征信息和所述表述单元生成所述隐式表述语句的情感特征信息。
本公开实施例将评价对象特征信息和所述表述单元作为确定隐式表述语句的情感类型的基础数据。
情感特征信息是隐式表述语句中与情感相关的特征信息，是确定隐式表述语句中情感类型的关键信息。
可选的，所述基于所述评价对象特征信息和所述表述单元生成所述隐式表述语句的情感特征信息，包括以下步骤：
步骤S104-1，基于预设映射顺序将每个表述单元映射为对应的情感单元向量。
预设映射顺序包括表述顺序或表述逆序。
所述情感单元向量的方向与预设映射顺序方向一致。
获取情感单元向量的方法可以与上述基于表述单元的表述顺序获取表述单元向量的方法相同。例如，隐式表述语句S([c1，c2，……，ci，……，cn])，其中ci为隐式表述语句S的最小语义单元；如果基于表述单元的表述顺序，则映射后生成的情感单元向量为N([b1，b2，……，bi，……，bn])，其中bi为ci映射后生成的情感单元向量。
步骤S104-2，分别基于所述评价对象特征向量和各个情感单元向量生成对应所述情感单元向量的初始向量。
例如，情感单元向量N([11，22，33，44，55])，评价对象特征向量为32，分别计算评价对象特征向量与每个情感单元向量的和，则生成的初始向量为P([43，54，65，76，87])。
步骤S104-3，对所有初始向量进行编码，生成所述编码向量。
步骤S104-4，基于所述编码向量和所述评价对象特征向量生成所述情感特征信息表征的情感特征向量。
例如，编码向量为H，评价对象特征向量为h，
情感特征信息中包含了隐式表述语句中的情感信息，情感特征信息是确定隐式表述语句情感类型的关键信息。为了使关注点集中于隐式表述语句的评价对象，本公开实施例在情感特征向量中加入了评价对象特征向量(即情感特征信息中加入了评价对象特征信息)，以提高确定隐式表述语句中情感类型的准确性。
具体地，在一个实施例中，所述基于所述编码向量和所述评价对象特征向量生成所述情感特征信息表征的情感特征向量，包括以下步骤：
步骤S104-4a，将所述编码向量与所述评价对象特征向量拼接，生成所述情感特征向量。
也就是将编码向量的最后一个值与评价对象特征向量的第一个值前后连接在一起，生成一个新的评价对象特征(即情感特征向量)，例如，编码向量为78，评价对象特征向量为90，则情感特征向量为7890。
在另一个实施例中，所述基于所述编码向量和所述评价对象特征向量生成所述情感特征信息表征的情感特征向量，包括以下步骤：
步骤S104-4b，计算所述编码向量与所述评价对象特征向量的和，生成所述情感特征向量。
例如，编码向量为78，评价对象特征为90，则情感特征向量为78+90＝168。
步骤S105，将所述情感特征信息导入训练后的情感分析模型，获取所述隐式表述语句的情感类型。
情感分析模型是为了获取隐式表述语句的情感类型而训练好的模型，是基于之前的历史网络数据获得，例如以历史网络数据作为训练样本训练出情感分析模型。关于根据情感分析模型对网络数据进行情感类型分析的过程本实施例不做详述，可参照现有技术中各种实现方式实施。例如，情感分析模型为BERT模型。
为了能够同时获取隐式表述语句中的评价对象类型和情感类型，在计算对象分析模型和情感分析模型模型的损失时，考虑了两种模型的输出情况。从而使联合训练后的对象分析模型和情感分析模型能够准确的确定隐式表述语句中的评价对象类型及情感类型。
本公开实施例将用于确定隐式表述语句评价对象类型的评价对象特征信息和表述单元作为确定隐式表述语句情感类型的基础数据，使关注点集中于隐式表述语句的评价对象，也就是使情感特征信息中加入了评价对象特征信息，从而提高了确定隐式表述语句中情感类型的准确性。
与本公开提供的第一实施例相对应，本公开还提供了第二实施例，即一种隐式表述语句的分析装置。由于第二实施例基本相似于第一实施例，所以描述得比较简单，相关的部分请参见第一实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
图2示出了本公开提供的一种隐式表述语句的分析装置的实施例。
如图2所示，本公开提供一种隐式表述语句的分析装置，包括：
获取单元201，用于获取隐式表述语句中的每个表述单元；
生成评价对象特征信息单元202，用于基于所述表述单元生成所述隐式表述语句的评价对象特征信息；
对象分类单元203，用于将所述评价对象特征信息导入训练后的对象分析模型，获取所述隐式表述语句的评价对象类型。
可选的，在所述生成评价对象特征信息单元202中，包括：
映射表述单元向量子单元，用于基于预设映射顺序将所述表述单元映射为对应顺序排列的表述单元向量，所述表述单元向量的方向与预设映射顺序方向一致；
获取特征单元向量子单元，用于从所述表述单元向量中获取预设排列位置的特征单元向量；
生成评价对象特征向量子单元，用于基于所述特征单元向量生成所述评价对象特征信息表征的评价对象特征向量。
可选的，在所述映射表述单元向量子单元中，包括：
映射第一表述单元向量子单元，用于基于所述表述单元的表述顺序，将所述表述单元映射为基于所述表述顺序排列的第一表述单元向量，所述第一表述单元向量的方向与表述顺序方向一致；
映射第二表述单元向量子单元，用于基于所述表述单元的表述逆序，将所述表述单元映射为基于所述表述逆序排列的第二表述单元向量，所述第二表述单元向量的方向与表述逆序方向一致。
可选的，在所述获取特征单元向量子单元中，包括：
获取第一特征单元向量子单元，用于从所述第一表述单元向量中获取最后排列位置的第一特征单元向量；
获取第二特征单元向量子单元，用于从所述第二表述单元向量中获取最后排列位置的第二特征单元向量。
可选的，在所述生成评价对象特征向量子单元中，包括：
拼接子单元，用于将所述第一特征单元向量与所述第二特征单元向量拼接，生成所述评价对象特征向量；
或，求和子单元，用于计算所述第一特征单元向量与所述第二特征单元向量的和，生成所述评价对象特征向量。
可选的，所述装置还包括：
生成情感特征信息单元，用于基于所述评价对象特征信息和所述表述单元生成所述隐式表述语句的情感特征信息；
情感分类单元，用于将所述情感特征信息导入训练后的情感分析模型，获取所述隐式表述语句的情感类型。
可选的，在所述生成情感特征信息单元中，包括：
映射情感单元向量子单元，用于基于预设映射顺序将每个表述单元映射为对应的情感单元向量，所述情感单元向量的方向与预设映射顺序方向一致；
生成初始向量子单元，用于分别基于所述评价对象特征向量和各个情感单元向量生成对应所述情感单元向量的初始向量；
编码子单元，用于对所有初始向量进行编码，生成所述编码向量；
生成情感特征向量子单元，用于基于所述编码向量和所述评价对象特征向量生成所述情感特征信息表征的情感特征向量。
本公开实施例本公开将隐式表述语句分成多个表述单元，利用表述单元生成能够代表隐式表述语句语义特征的评价对象特征信息，将评价对象特征信息导入训练后的对象分析模型获取隐式表述语句的评价对象类型。从而能够有效确定隐式表述语句中的评价对象。
本公开实施例将用于确定隐式表述语句评价对象类型的评价对象特征信息和表述单元作为确定隐式表述语句情感类型的基础数据，使关注点集中于隐式表述语句的评价对象，也就是使情感特征信息中加入了评价对象特征信息，从而提高了确定隐式表述语句中情感类型的准确性。
同时，在计算对象分析模型和情感分析模型模型的损失时，考虑了两种模型的输出情况。从而使联合训练后的对象分析模型和情感分析模型能够准确的确定隐式表述语句中的评价对象类型及情感类型。
本公开实施例提供了第三实施例，即一种电子设备，该设备用于隐式表述语句的分析方法，所述电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一实施例所述隐式表述语句的分析方法。
本公开实施例提供了第四实施例，即一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行如第一实施例中所述隐式表述语句的分析方法。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (7)
1.一种隐式表述语句的分析方法，其特征在于，包括：
获取隐式表述语句中的每个表述单元；
基于所述表述单元生成所述隐式表述语句的评价对象特征信息；
将所述评价对象特征信息导入训练后的对象分析模型，获取所述隐式表述语句的评价对象类型；
所述基于所述表述单元生成所述隐式表述语句的评价对象特征信息，包括：
基于预设映射顺序将所述表述单元映射为对应顺序排列的表述单元向量，所述表述单元向量的方向与预设映射顺序方向一致；
从所述表述单元向量中获取预设排列位置的特征单元向量；
基于所述特征单元向量生成所述评价对象特征信息表征的评价对象特征向量；
所述方法还包括：基于所述评价对象特征信息和所述表述单元生成所述隐式表述语句的情感特征信息；将所述情感特征信息导入训练后的情感分析模型，获取所述隐式表述语句的情感类型；
所述基于所述评价对象特征信息和所述表述单元生成所述隐式表述语句的情感特征信息，包括：
基于预设映射顺序将每个表述单元映射为对应的情感单元向量，所述情感单元向量的方向与预设映射顺序方向一致；
分别基于所述评价对象特征向量和各个情感单元向量生成对应所述情感单元向量的初始向量；
对所有初始向量进行编码，生成编码向量；
基于所述编码向量和所述评价对象特征向量生成所述情感特征信息表征的情感特征向量。
2.根据权利要求1所述的方法，其特征在于，所述基于预设映射顺序将所述表述单元映射为对应顺序排列的表述单元向量，包括：
基于所述表述单元的表述顺序，将所述表述单元映射为基于所述表述顺序排列的第一表述单元向量，所述第一表述单元向量的方向与表述顺序方向一致；
基于所述表述单元的表述逆序，将所述表述单元映射为基于所述表述逆序排列的第二表述单元向量，所述第二表述单元向量的方向与表述逆序方向一致。
3.根据权利要求2所述的方法，其特征在于，所述从所述表述单元向量中获取预设排列位置的特征单元向量，包括：
从所述第一表述单元向量中获取最后排列位置的第一特征单元向量；
从所述第二表述单元向量中获取最后排列位置的第二特征单元向量。
4.根据权利要求3所述的方法，其特征在于，所述基于所述特征单元向量生成所述评价对象特征信息表征的评价对象特征向量，包括：
将所述第一特征单元向量与所述第二特征单元向量拼接，生成所述评价对象特征向量；
或，
计算所述第一特征单元向量与所述第二特征单元向量的和，生成所述评价对象特征向量。
5.一种隐式表述语句的分析装置，其特征在于，包括：
获取单元，用于获取隐式表述语句中的每个表述单元；
生成评价对象特征信息单元，用于基于所述表述单元生成所述隐式表述语句的评价对象特征信息；还用于基于所述评价对象特征信息和所述表述单元生成所述隐式表述语句的情感特征信息；将所述情感特征信息导入训练后的情感分析模型，获取所述隐式表述语句的情感类型；
所述基于所述评价对象特征信息和所述表述单元生成所述隐式表述语句的情感特征信息，包括：基于预设映射顺序将每个表述单元映射为对应的情感单元向量，所述情感单元向量的方向与预设映射顺序方向一致；分别基于所述评价对象特征向量和各个情感单元向量生成对应所述情感单元向量的初始向量；对所有初始向量进行编码，生成编码向量；基于所述编码向量和所述评价对象特征向量生成所述情感特征信息表征的情感特征向量；
对象分类单元，用于将所述评价对象特征信息导入训练后的对象分析模型，获取所述隐式表述语句的评价对象类型。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至4中任一项所述的方法。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011116326.2A CN112270170B (zh) | 2020-10-19 | 2020-10-19 | 一种隐式表述语句的分析方法、装置、介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011116326.2A CN112270170B (zh) | 2020-10-19 | 2020-10-19 | 一种隐式表述语句的分析方法、装置、介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112270170A CN112270170A (zh) | 2021-01-26 |
| CN112270170B true CN112270170B (zh) | 2024-07-02 |
Family
ID=74338336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011116326.2A Active CN112270170B (zh) | 2020-10-19 | 2020-10-19 | 一种隐式表述语句的分析方法、装置、介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112270170B (zh) |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102945268A (zh) * | 2012-10-25 | 2013-02-27 | 北京腾逸科技发展有限公司 | 产品特征评论挖掘方法及系统 |
| CN103399916A (zh) * | 2013-07-31 | 2013-11-20 | 清华大学 | 基于产品特征的互联网评论观点挖掘方法及系统 |
| CN107391575B (zh) * | 2017-06-20 | 2020-08-04 | 浙江理工大学 | 一种基于词向量模型的隐式特征识别方法 |
| CN110096694A (zh) * | 2018-01-30 | 2019-08-06 | 北京京东尚科信息技术有限公司 | 基于自然语言处理的信息生成方法和装置 |
| CN109933721B (zh) * | 2019-02-01 | 2020-08-07 | 中森云链(成都)科技有限责任公司 | 一种融合用户隐式物品偏好与隐式信任的可解释推荐方法 |
| CN111080055A (zh) * | 2019-11-06 | 2020-04-28 | 邱素容 | 酒店评分方法、酒店推荐方法、电子装置和存储介质 |
| CN111339255B (zh) * | 2020-02-26 | 2023-04-18 | 腾讯科技（深圳）有限公司 | 目标情感分析的方法、模型训练方法、介质和设备 |
| CN111563384B (zh) * | 2020-04-22 | 2022-10-25 | 华南理工大学 | 面向电商产品的评价对象识别方法、装置及存储介质 |
-
2020
- 2020-10-19 CN CN202011116326.2A patent/CN112270170B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 商品隐式评价对象提取的方法研究;邱云飞;倪学峰;邵良杉;;计算机工程与应用(第19期);114-118 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112270170A (zh) | 2021-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111767371A (zh) | 一种智能问答方法、装置、设备及介质 | |
| JP2021103506A (ja) | 情報を生成するための方法及び装置 | |
| WO2020207174A1 (zh) | 用于生成量化神经网络的方法和装置 | |
| CN112650841A (zh) | 信息处理方法、装置和电子设备 | |
| CN110009101B (zh) | 用于生成量化神经网络的方法和装置 | |
| CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
| CN110765752B (zh) | 试题的生成方法、装置、电子设备及计算机可读存储介质 | |
| CN113191257B (zh) | 笔顺检测方法、装置和电子设备 | |
| CN113051933B (zh) | 模型训练方法、文本语义相似度确定方法、装置和设备 | |
| CN111026849A (zh) | 数据处理方法和装置 | |
| US20230315990A1 (en) | Text detection method and apparatus, electronic device, and storage medium | |
| CN114564606A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
| WO2024199349A1 (zh) | 对象推荐方法、装置、介质及电子设备 | |
| CN111752644A (zh) | 接口模拟方法、装置、设备及存储介质 | |
| CN112270170B (zh) | 一种隐式表述语句的分析方法、装置、介质和电子设备 | |
| CN114625876B (zh) | 作者特征模型的生成方法、作者信息处理方法和装置 | |
| CN110689285A (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
| CN112286808B (zh) | 应用程序的测试方法、装置、电子设备及介质 | |
| CN113593527B (zh) | 一种生成声学特征、语音模型训练、语音识别方法及装置 | |
| CN116109374A (zh) | 资源位展示方法、装置、电子设备和计算机可读介质 | |
| CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
| CN113283115B (zh) | 图像模型生成方法、装置和电子设备 | |
| CN116974684B (zh) | 地图页面布局方法、装置、电子设备与计算机可读介质 | |
| CN111026983B (zh) | 一种实现超链接的方法、装置、介质和电子设备 | |
| CN117910850B (zh) | 一种指标数据分析引擎、指标数据计算装置和计算方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |